JP2016515025A - System and method for applying spinal cord stimulation based on electrical stimulation time patterns - Google Patents

System and method for applying spinal cord stimulation based on electrical stimulation time patterns Download PDF

Info

Publication number
JP2016515025A
JP2016515025A JP2016501841A JP2016501841A JP2016515025A JP 2016515025 A JP2016515025 A JP 2016515025A JP 2016501841 A JP2016501841 A JP 2016501841A JP 2016501841 A JP2016501841 A JP 2016501841A JP 2016515025 A JP2016515025 A JP 2016515025A
Authority
JP
Japan
Prior art keywords
stimulation
periodic time
patterns
pattern
output
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2016501841A
Other languages
Japanese (ja)
Other versions
JP2016515025A5 (en
Inventor
グリル，ワレン，エム．
チャン，ティアン
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Duke University
Original Assignee
Duke University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Duke University filed Critical Duke University
Publication of JP2016515025A publication Critical patent/JP2016515025A/en
Publication of JP2016515025A5 publication Critical patent/JP2016515025A5/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/3605—Implantable neurostimulators for stimulating central or peripheral nerve system
    • A61N1/3606—Implantable neurostimulators for stimulating central or peripheral nerve system adapted for a particular treatment
    • A61N1/36071—Pain
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/02—Details
    • A61N1/04—Electrodes
    • A61N1/05—Electrodes for implantation or insertion into the body, e.g. heart electrode
    • A61N1/0551—Spinal or peripheral nerve electrodes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/3605—Implantable neurostimulators for stimulating central or peripheral nerve system
    • A61N1/36128—Control systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/3605—Implantable neurostimulators for stimulating central or peripheral nerve system
    • A61N1/36128—Control systems
    • A61N1/36146—Control systems specified by the stimulation parameters
    • A61N1/36167—Timing, e.g. stimulation onset
    • A61N1/36171—Frequency
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/3605—Implantable neurostimulators for stimulating central or peripheral nerve system
    • A61N1/36128—Control systems
    • A61N1/36146—Control systems specified by the stimulation parameters
    • A61N1/36167—Timing, e.g. stimulation onset
    • A61N1/36178—Burst or pulse train parameters
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders

Abstract

電気刺激の時間パターンに基づいて脊髄刺激（ＳＣＳ）を施すシステム及び方法が開示される。一態様によれば、方法は、ワイドダイナミックレンジ（ＷＤＲ）ニューロンの計算モデルを使用して、有効性最適化及び効率最適化のうちの一方に関して、所定のＷＤＲニューロン出力及び刺激活動を生じさせる１つ又は複数の非定期的時間パターンを決定することを含む。本方法は、非定期的時間パターンのうちの決定される１つ又は複数に基づいて、対象者に脊髄刺激を施すことも含む。Disclosed are systems and methods for applying spinal cord stimulation (SCS) based on electrical stimulation time patterns. According to one aspect, a method uses a computational model of a wide dynamic range (WDR) neuron to produce a predetermined WDR neuron output and stimulation activity for one of effectiveness optimization and efficiency optimization. Determining one or more non-periodic time patterns. The method also includes applying spinal cord stimulation to the subject based on one or more determined of the non-periodic time pattern.

Description

関連出願の相互参照
本願は、２０１３年３月１３日に出願された「脊髄刺激を最適化するシステム及び方法（ＳＹＳＴＥＭＳ ＡＮＤ ＭＥＴＨＯＤＳ ＦＯＲ ＯＰＴＩＭＩＺＩＮＧ ＳＰＩＮＡＬ ＣＯＲＤ ＳＴＩＭＵＬＡＴＩＯＮ）」という名称の米国仮特許出願第６１／７７９，５５４号明細書の利益を主張するものであり、この仮特許出願の開示内容全体を参照により本明細書に援用する。 CROSS REFERENCE TO RELATED APPLICATIONS This application is a US Provisional Patent Application No. 61/779 filed Mar. 13, 2013 entitled “Systems and Methods for Optimizing Spinal Cord Stimulation (OPTIMIZING SPINAL CORD STIMULATION)”. 554, the entire disclosure of which is hereby incorporated by reference.

本明細書で開示される主題は、脊髄刺激に関し、より詳細には、電気刺激の時間パターンに基づいて脊髄刺激（ＳＣＳ：ｓｐｉｎａｌ ｃｏｒｄ ｓｔｉｍｕｌａｔｉｏｎ）を施すことに関する。   The subject matter disclosed herein relates to spinal cord stimulation and, more particularly, to applying spinal cord stimulation (SCS) based on a temporal pattern of electrical stimulation.

ＳＣＳは、運動（例えば、身体リハビリテーション）療法、薬物療法、及び外科療法が効果的ではなかった場合、慢性的な痛みを管理する実行可能な手段として登場した。しかし、１９７４年から１９９１年の間、研究によれば、ＳＣＳの臨床的成功は大きなばらつきがあり、平均５４．２％、標準偏差２０％であり、続く研究によって示された改善は極僅かであった。ＳＣＳの臨床有効性を改善する努力は、より空間的に選択的な電極の開発に焦点が合わせられてきたが、後角痛処理回路内のニューロンの活動へのＳＣＳの時間パターニング又はＳＣＳの効果については最小限しか注目されてこなかった。ＳＣＳに進展はあったが、ＳＣＳを最適化する改善された技法及びシステムに対する必要性が引き続き存在する。   SCS has emerged as a viable means of managing chronic pain when exercise (eg, physical rehabilitation) therapy, drug therapy, and surgery have not been effective. However, between 1974 and 1991, studies have shown that the clinical success of SCS varies widely, with an average of 54.2% and a standard deviation of 20%, with minimal improvement shown by subsequent studies. there were. Efforts to improve the clinical effectiveness of SCS have been focused on the development of more spatially selective electrodes, but the effect of SCS temporal patterning or SCS on neuronal activity within dorsal horn pain processing circuitry Has received minimal attention. Although progress has been made in SCS, there is a continuing need for improved techniques and systems to optimize SCS.

電気刺激の時間パターンに基づいて脊髄刺激（ＳＣＳ）を施すシステム及び方法が開示される。一態様によれば、方法は、ワイドダイナミックレンジ（ＷＤＲ）ニューロンの計算モデルを使用して、有効性最適化及び効率最適化のうちの一方に関して、所定のＷＤＲニューロン出力及び刺激活動を生じさせる１つ又は複数の非定期的時間パターンを決定することを含む。本方法は、非定期的時間パターンのうちの決定される１つ又は複数に基づいて、対象者に脊髄刺激を施すことも含む。   Disclosed are systems and methods for applying spinal cord stimulation (SCS) based on electrical stimulation time patterns. According to one aspect, a method uses a computational model of a wide dynamic range (WDR) neuron to produce a predetermined WDR neuron output and stimulation activity for one of effectiveness optimization and efficiency optimization. Determining one or more non-periodic time patterns. The method also includes applying spinal cord stimulation to the subject based on one or more determined of the non-periodic time pattern.

本主題の上記態様及び他の特徴は、添付図面に関連して行われる以下の説明において説明される。   The above aspects and other features of the present subject matter are described in the following description, taken in conjunction with the accompanying drawings.

本開示の実施形態による、人間対象者の標的神経組織を刺激するシステムの解剖学的図である。1 is an anatomical view of a system for stimulating target neural tissue of a human subject according to an embodiment of the present disclosure. FIG. 本開示の実施形態による、ＳＣＳの方法の一例のフローチャートである。6 is a flowchart of an example of a method of SCS, according to an embodiment of the present disclosure. 本開示の実施形態による、ＳＣＳの最適時間パターンのモデルベース設計の方法の一例のフローチャートである。4 is a flowchart of an example method for model-based design of an optimal time pattern for SCS, according to an embodiment of the present disclosure. 本開示の実施形態による、ＳＣＳの最適時間パターンのモデルベース設計及び評価についての計算モデルの一例の概略図である。FIG. 6 is a schematic diagram of an example calculation model for model-based design and evaluation of SCS optimal time patterns according to embodiments of the present disclosure. 乃至Thru 末梢一次求心性線維での活動のパターンを示すグラフを示す。2 shows a graph showing the pattern of activity in peripheral primary afferent fibers. 本開示の実施形態による、実験的実行の一例の時系列である。4 is a timeline of an example experimental run according to an embodiment of the present disclosure. 均一な１Ｈｚ末梢入力と、神経腫からの入力に類似するランダム入力とに応答して、遺伝的アルゴリズムベースのＳＣＳ最適化に使用される刺激パターンの初期及び最終的母集団を示すプロットである。FIG. 5 is a plot showing the initial and final population of stimulus patterns used for genetic algorithm-based SCS optimization in response to uniform 1 Hz peripheral inputs and random inputs similar to those from a neuroma. １Ｈｚ末梢入力及びランダム入力から生成されるグラフを示す。Figure 3 shows a graph generated from 1 Hz peripheral input and random input. １Ｈｚ末梢入力及びランダム末梢入力中、ＳＣＳを使用して、最良、中間、及び最悪ランクの刺激パターン並びに同等の周波数での固定周波数制御刺激が適用された場合のＷＤＲニューロン発射周波数を示すグラフを示す。FIG. 7 shows a graph showing WDR neuron firing frequency when applying best frequency, medium and worst rank stimulus patterns and fixed frequency control stimulus at equivalent frequency using SCS during 1 Hz peripheral input and random peripheral input. . １Ｈｚ末梢入力及びランダム末梢入力中、遺伝的アルゴリズムの全世代での最良、中間、及び最悪刺激パターンの平均刺激周波数を示すグラフを示す。Figure 6 shows a graph showing the average stimulation frequency of best, medium and worst stimulation patterns for all generations of genetic algorithms during 1 Hz peripheral input and random peripheral input. １Ｈｚ末梢入力及びランダム末梢入力中の遺伝的アルゴリズムの全世代での最良、中間、及び最悪刺激パターンと、同等の固定周波数刺激との性能比較を示すグラフを示す。Figure 2 shows a graph showing the performance comparison of best, medium and worst stimulus patterns for all generations of genetic algorithms in 1 Hz peripheral inputs and random peripheral inputs with equivalent fixed frequency stimuli. パルス間隔が時間的に一定である定期的な一定周波数刺激列と、パルス間隔が時間的に変動する非定期的時間刺激パターンの例との図である。It is a figure of the regular constant frequency stimulus sequence whose pulse interval is constant in time, and the example of the non-periodic time stimulus pattern whose pulse interval fluctuates in time.

本開示の原理の理解を促進する為に、これより、様々な実施形態を参照し、特定の用語を使用して様々な実施形態を説明する。それにも関わらず、本開示の範囲の限定がそれにより意図されず、本明細書に示されるような本開示のそのような変更形態及び更なる変形形態が、本開示が関連する技術分野の当業者が通常想到するものとして考えられることが理解されよう。   To facilitate an understanding of the principles of the present disclosure, various embodiments will now be described using specific terminology, with reference to various embodiments. Nevertheless, no limitation of the scope of the present disclosure is intended thereby, and such modifications and further variations of the present disclosure as set forth herein are within the skill of the art to which the present disclosure relates. It will be understood that the contractor would normally think of it.

冠詞「１つの（ａ）」及び「１つの（ａｎ）」は、本明細書では、冠詞の文法的目的語のうちの１つ又は２つ以上（即ち、少なくとも１つ）を指す為に使用される。例として、「１つの要素（ａｎ ｅｌｅｍｅｎｔ）」は、少なくとも１つの要素を意味し、２つ以上の要素を含むことができる。   The articles “a” and “an” are used herein to refer to one or more (ie, at least one) of the grammatical objects of the article. Is done. By way of example, “an element” means at least one element and can include two or more elements.

本明細書で使用される場合、「対象者」及び「患者」という用語は、本明細書において同義で使用され、人間及び人間以外の動物の両方を指す。本開示の「人間以外の動物」という用語は、全ての脊椎動物、例えば、人間以外の霊長類、ヒツジ、イヌ、ネコ、ウマ、ウシ、ニワトリ、両生類、は虫類等のほ乳類及び非ほ乳類を含む。本明細書に提供される例では、対象者は、脊髄刺激を必要としている人間の患者である。   As used herein, the terms “subject” and “patient” are used interchangeably herein and refer to both humans and non-human animals. The term “non-human animal” of the present disclosure includes all vertebrates, eg, mammals such as non-human primates, sheep, dogs, cats, horses, cows, chickens, amphibians, reptiles, and non-mammals. In the examples provided herein, the subject is a human patient in need of spinal cord stimulation.

本明細書で使用される場合、「神経疾患」という用語は、脳神経系及び／又は神経系に関連する任意の病態を指す。例としては、慢性及び急性神経障害痛、片頭痛、外傷等を含む痛みが挙げられるが、これらに限定されない。本明細書で使用される場合、「痛み」という用語は、身体的不快さ（例えば、チクチク感、ズキズキ感、うずき等）を特徴とし、通常、個人による回避行動に繋がる、むき出しの神経終末が受け取る、侵害刺激によって誘導される基本的な肉体感覚を指す。本明細書で使用される場合、痛みという用語は、慢性及び急性神経障害痛も含む。「慢性痛」及び「慢性神経障害痛」という用語は、同義で使用され、神経線維自体がダメージを受けるか、機能不全であるか、又は損傷し得る、通常は組織損傷が付随する複雑で慢性的な痛みの状態を指す。これらのダメージを受けた神経線維は、不正確な信号を他の痛みの中枢に送る。神経線維損傷の影響は、損傷部位及び損傷周囲部位の両方での神経機能の変更を含む。慢性神経障害痛は多くの場合、明白な原因を有さないように思われるが、幾つかの一般的な原因として、アルコール依存症、切断、背中、脚、及び臀部の問題、化学療法、糖尿病、顔面神経の問題、ＨＩＶ感染又はＡＩＤＳ、多発性硬化症、帯状疱疹、脊髄損傷等を挙げることができるが、これらに限定されない。例えば、神経障害痛は幻肢症候群を含み得、この症候群は、腕又は脚が病気又は損傷によって取り除かれたが、脳がなお、欠損した四肢からのインパルスを元々伝達していた神経から痛みのメッセージを受け取る場合に生じる。   As used herein, the term “neurological disorder” refers to any condition associated with the cranial nervous system and / or nervous system. Examples include but are not limited to pain including chronic and acute neuropathic pain, migraine, trauma and the like. As used herein, the term “pain” is characterized by physical discomfort (eg, tingling, throbbing, tingling, etc.) and usually has an exposed nerve ending leading to avoidance behavior by the individual. It refers to the basic physical sensation induced by nociceptive stimuli. As used herein, the term pain also includes chronic and acute neuropathic pain. The terms “chronic pain” and “chronic neuropathic pain” are used interchangeably and are complex and chronic, usually accompanied by tissue damage, where the nerve fibers themselves can be damaged, dysfunctional, or damaged. Refers to a state of general pain. These damaged nerve fibers send inaccurate signals to other pain centers. The effects of nerve fiber damage include alterations in nerve function both at the site of injury and around the site of injury. Chronic neuropathic pain often seems to have no obvious cause, but some common causes include alcoholism, amputation, back, leg, and buttocks problems, chemotherapy, diabetes , Facial nerve problems, HIV infection or AIDS, multiple sclerosis, herpes zoster, spinal cord injury, and the like. For example, neuropathic pain can include phantom limb syndrome, where the arm or leg has been removed due to illness or injury, but the brain is still experiencing pain from the nerve that originally transmitted the impulse from the missing limb. Occurs when receiving a message.

本明細書で言及される場合、「施す」という用語は、電気インパルス／信号／周波数を対象者に送達し、それにより、神経、神経線維、又は神経線維群に刺激を生じさせることを指す。例えば、電気インパルス／信号／周波数は、例えば、脊柱神経線維の部分母集団等の標的神経組織領域と電気的に連通する１つ又は複数の電極の使用によって適用し得る。他の例では、標的神経組織領域は、後根、後根神経節、末梢神経等を含み得る。   As referred to herein, the term “apply” refers to delivering an electrical impulse / signal / frequency to a subject, thereby causing stimulation of a nerve, nerve fiber, or group of nerve fibers. For example, electrical impulse / signal / frequency may be applied through the use of one or more electrodes in electrical communication with a target neural tissue region, such as, for example, a subpopulation of spinal nerve fibers. In other examples, the target neural tissue region can include dorsal roots, dorsal root ganglia, peripheral nerves, and the like.

別段のことが定義される場合を除き、本明細書で使用される全ての技術用語は、本開示が属する技術分野の当業者によって一般に理解される意味と同じ意味を有する。   Unless defined otherwise, all technical terms used herein have the same meaning as commonly understood by one of ordinary skill in the art to which this disclosure belongs.

本開示の実施形態によれば、ＳＣＳを最適化するシステム及び方法が開示される。システムは、ヒューリスティック（遺伝的アルゴリズム）を使用して、脊髄からの侵害情報の伝送を抑制するようにＳＣＳの時間パターニングを最適化することにより、ＳＣＳを最適化し得る。一例では、システムはパルス生成器を備え得、パルス生成器は、対象者の標的神経組織に送達される電気信号を生成するように構成される。システムは、パルス生成器の出力と電気的に連通する１つ又は複数のＳＣＳ電極を含むこともできる。接点は、標的神経組織に接触して配置し得る。例えば、接点は、脊柱神経線維の１つ又は複数の部分母集団と電気的に連通するように配置し得る。システムのコントローラは、標的神経組織が刺激されるよう複数の周波数のＳＣＳを電極に与えるように、パルス生成器を制御し得る。システムは、刺激パターン及び費用関数を生成するように構成し得る。システムは、刺激パターンを生成するステップと、費用関数を生成するステップとを繰り返し得る。一例として、費用関数は、一定であってもよく、又はＳＣＳ装置の移植前に臨床医によって決定してもよい。更に、システムは、低ワイドダイナミックレンジ（ＷＤＲ）ニューロン出力と、低刺激周波数との組み合わせを優先する費用関数を有するパターンを選択し得る。パターン選択に続き、コントローラは、選択されたパターンに基づいて最適なＳＣＳを生成して施し、それにより、ＷＤＲニューロンの活動を抑制し得る。幾つかの実施形態では、ステップは、生成されたパターンを使用して繰り返し、それにより、最適化されたパターンを提供する。他の実施形態では、ステップは、指定数の世代又は最良（最適）解の費用関数（適合度）についての閾値に達するまで、反復して継続し得る。   According to embodiments of the present disclosure, systems and methods for optimizing SCS are disclosed. The system may optimize the SCS by using heuristics (genetic algorithms) to optimize the temporal patterning of the SCS so as to suppress the transmission of noxious information from the spinal cord. In one example, the system may comprise a pulse generator that is configured to generate an electrical signal that is delivered to the target neural tissue of the subject. The system can also include one or more SCS electrodes in electrical communication with the output of the pulse generator. The contacts can be placed in contact with the target neural tissue. For example, the contacts may be placed in electrical communication with one or more subpopulations of spinal nerve fibers. The system controller may control the pulse generator to provide the electrodes with multiple frequencies of SCS so that the target neural tissue is stimulated. The system can be configured to generate a stimulation pattern and a cost function. The system may repeat the steps of generating a stimulus pattern and generating a cost function. As an example, the cost function may be constant or may be determined by a clinician prior to implantation of the SCS device. In addition, the system may select a pattern with a cost function that favors a combination of low wide dynamic range (WDR) neuron output and low stimulation frequency. Following pattern selection, the controller may generate and apply an optimal SCS based on the selected pattern, thereby suppressing WDR neuron activity. In some embodiments, the steps are repeated using the generated pattern, thereby providing an optimized pattern. In other embodiments, the steps may continue iteratively until a threshold for a specified number of generations or the cost function (fitness) of the best (optimal) solution is reached.

図１は、本開示の実施形態による、人間対象者の標的神経組織を刺激するシステムの解剖学的図である。対象者は、慢性痛等の神経疾患を有し得る。図１を参照すると、システムは、ＳＣＳ装置１００と、電気コード１０２と、全体的に１０４として示される電極アレイとを含む。システムは、対象者に移植されているものとして示される。特に、電極アレイ１０４は、対象者の脊柱１０８の硬膜上腔１０６内に動作可能に位置決めされる。電極アレイ１０４は、例えば、脊柱１１０に沿った刺激の標的である神経の部位に位置決めされる。代替的には、電極アレイ１０４は、標的神経組織の所望の電気刺激の為の任意の他のロケーションに適宜位置決めし得る。コード１０２は、異なる又は同じ電気信号を電極アレイ１０４の接点に提供することができるような複数の線又は線維を含み得る。ＳＣＳ装置１００は、腹部又は臀部内への移植等であるが、これらに限定されない対象者内に適宜移植し得る。電気コード１０２は、ＳＣＳ装置１００の出力を電極アレイ１０４に動作可能に接続し得る。   FIG. 1 is an anatomical view of a system for stimulating target neural tissue of a human subject according to an embodiment of the present disclosure. The subject may have a neurological disorder such as chronic pain. With reference to FIG. 1, the system includes an SCS device 100, an electrical cord 102, and an electrode array indicated generally as 104. The system is shown as being implanted in the subject. In particular, the electrode array 104 is operably positioned within the epidural space 106 of the subject's spinal column 108. The electrode array 104 is positioned, for example, at a nerve site that is a target of stimulation along the spinal column 110. Alternatively, the electrode array 104 may be appropriately positioned at any other location for the desired electrical stimulation of the target neural tissue. The cord 102 can include a plurality of wires or fibers that can provide different or the same electrical signal to the contacts of the electrode array 104. Although the SCS apparatus 100 is transplanted into the abdomen or the buttocks, etc., it can be appropriately transplanted into a subject who is not limited thereto. Electrical cord 102 may operably connect the output of SCS device 100 to electrode array 104.

ＳＣＳ装置１００は、コントローラ１１２と、パルス生成器１１４とを含み得る。コントローラ１１２は、本明細書に記載される機能を実装するハードウェア、ソフトウェア、ファームウェア、又はそれらの組み合わせを含み得る。例えば、コントローラ１１２は、１つ又は複数のプロセッサ及びメモリによって実装し得る。コントローラ１１２は、パルス生成器１１４に動作可能に接続して、パルス生成器１１４を制御して、標的神経組織に電気刺激のパターンを適用する為の電気信号を生成し得る。出力信号は、電気コード１０２によって受信し、電極アレイ１０４に伝えられ、標的神経組織を電気的に刺激し得る。ＳＣＳ装置１００は、コントローラ１１２及びパルス生成器１１４に電力を供給する、電池等の電源１１６を含み得る。   The SCS device 100 may include a controller 112 and a pulse generator 114. The controller 112 may include hardware, software, firmware, or a combination thereof that implements the functionality described herein. For example, the controller 112 may be implemented with one or more processors and memory. The controller 112 may be operatively connected to the pulse generator 114 to control the pulse generator 114 to generate an electrical signal for applying an electrical stimulation pattern to the target neural tissue. The output signal may be received by the electrical cord 102 and transmitted to the electrode array 104 to electrically stimulate the target neural tissue. The SCS device 100 may include a power source 116 such as a battery that provides power to the controller 112 and the pulse generator 114.

本システムは、対象者内に移植されていない外部計算装置１１８を含むこともできる。計算装置は、任意の適する通信リンク（例えば、有線、無線、又は光学通信リンク）を介してＳＣＳ装置１００と通信し得る。通信リンクは、電池の再充電に役立つこともできる。計算装置１１８は、本明細書に記載される機能を実装するハードウェア、ソフトウェア、ファームウェア、又はそれらの組み合わせを含み得る。例えば、計算装置１１８は、１つ又は複数のプロセッサ及びメモリを含み得る。臨床医は、計算装置のユーザインタフェースと対話して、各電極接点を介して各部分母集団に適用されるアクティブな電極、刺激パルス振幅、刺激パルス持続時間、刺激パターン（パルス反復周波数を含む）等を含め、移植されたパルス生成器１１４の出力をプログラミングし得る。   The system may also include an external computing device 118 that is not implanted within the subject. The computing device may communicate with the SCS device 100 via any suitable communication link (eg, a wired, wireless, or optical communication link). The communication link can also help recharge the battery. The computing device 118 may include hardware, software, firmware, or a combination thereof that implements the functionality described herein. For example, computing device 118 may include one or more processors and memory. Clinician interacts with computing device user interface to apply active electrodes, stimulation pulse amplitude, stimulation pulse duration, stimulation pattern (including pulse repetition frequency) applied to each subpopulation via each electrode contact And the like, the output of the implanted pulse generator 114 can be programmed.

更に、本開示の実施形態によれば、計算装置１１８は、所定のＷＤＲニューロン出力及び刺激活動を生じさせる１つ又は複数の非定期的時間パターンを決定し得る。計算装置１１８は、ＳＣＳ装置１００に時間パターンを与える情報を通信し得、次に、ＳＣＳ装置１００は、電気刺激の非定期的時間パターンを対象者の標的神経組織に適用し得る。   Further, according to embodiments of the present disclosure, the computing device 118 may determine one or more non-periodic time patterns that result in a predetermined WDR neuron output and stimulation activity. The computing device 118 may communicate information that provides the SCS device 100 with a time pattern, and the SCS device 100 may then apply the non-periodic time pattern of electrical stimulation to the target neural tissue of the subject.

患者は、計算装置１１８のユーザインタフェースと対話することもできる。この実施形態では、患者は、１組の予めプログラムされる刺激パラメータセットの中から選択する為のユーザインタフェースと対話し得る。これらのセットは、臨床医によってプログラム又は他に設定し、コントローラ１１２に記憶し得る。   The patient can also interact with the user interface of the computing device 118. In this embodiment, the patient may interact with a user interface for selecting from a set of pre-programmed stimulation parameter sets. These sets may be programmed or otherwise set by the clinician and stored in the controller 112.

図２は、本開示の実施形態によるＳＣＳの方法の一例のフローチャートを示す。方法例は、図１に示されるシステム及び構成によって実施されるものとして説明されるが、本方法を、代替として任意の他の適する構成で任意の他の適するシステムによって実施してもよいことを理解されたい。   FIG. 2 shows a flowchart of an example of an SCS method according to an embodiment of the present disclosure. Although the example method is described as being implemented by the system and configuration shown in FIG. 1, it should be understood that the method may alternatively be implemented by any other suitable system in any other suitable configuration. I want you to understand.

図２を参照すると、方法は、所定のＷＤＲニューロン出力及び刺激活動を生じさせる非定期的時間パターンの１つ又は複数を決定すること（２０４）を含む。所定のＷＤＲニューロン出力は、生物学的ＷＤＲニューロンをモデリングする為の入力を有する計算モデルで実施されるシミュレーションでのモデルＷＤＲニューロンの出力を含み得るが、これに限定されない。この意味では、モデルＷＤＲニューロンの出力は、患者の痛み（即ち、有効性）の代理として使用することができる。一例では、計算装置１１８は、ＷＤＲニューロン出力及び刺激活動を最適化する費用関数を生成し利用し得る。更に、計算装置１１８は、費用関数に基づいて非定期的時間パターンの１つ又は複数を選択し得る。更に、一例では、計算装置１１８は、時間パターンを変更し、時間パターンを変更しながら費用関数の閾値が得られるときを特定し得る。この例を続けると、計算装置１１８は、閾値が得られるときに適用される時間パターンが、所定のＷＤＲニューロン出力及び刺激活動を生じさせる非定期的時間パターンであると判断し得る。この時間パターンは、全ての他の適用される時間パターンの中から、最低のＷＤＲニューロン出力及び最低刺激活動を提供する時間パターンであると判断し得る。本明細書で参照される場合、「有効性」という用語は、モデルＷＤＲ活動の最小化（即ち、痛み低減の代理）を指す。本明細書で参照される場合、「効率」という用語は、低い又は可能な限り低い装置刺激周波数（即ち、節電）を指す。   Referring to FIG. 2, the method includes determining (204) one or more of the non-periodic time patterns that produce a predetermined WDR neuron output and stimulation activity. The predetermined WDR neuron output may include, but is not limited to, the output of a model WDR neuron in a simulation performed with a computational model having an input for modeling a biological WDR neuron. In this sense, the output of the model WDR neuron can be used as a surrogate for patient pain (ie, efficacy). In one example, the computing device 118 may generate and utilize a cost function that optimizes WDR neuron output and stimulation activity. Furthermore, the computing device 118 may select one or more of the non-periodic time patterns based on the cost function. Further, in one example, the computing device 118 may change the time pattern and determine when the cost function threshold is obtained while changing the time pattern. Continuing with this example, computing device 118 may determine that the time pattern applied when the threshold is obtained is an aperiodic time pattern that results in a predetermined WDR neuron output and stimulation activity. This time pattern may be determined to be the time pattern that provides the lowest WDR neuron output and lowest stimulation activity among all other applied time patterns. As referred to herein, the term “effectiveness” refers to minimization of model WDR activity (ie, a proxy for pain reduction). As referred to herein, the term “efficiency” refers to a device stimulation frequency that is low or as low as possible (ie, power saving).

時間パターンを決定する一例では、時間パターンは、検索ヒューリスティックを使用して、所望のＷＤＲ神経及び刺激活動を生じさせるパターンを決定することによって決定し得る。検索ヒューリスティックは、遺伝的アルゴリズム法、勾配降下法、シミュレーテッドアニーリング法等を利用し得る。   In one example of determining a temporal pattern, the temporal pattern may be determined by using a search heuristic to determine a pattern that produces the desired WDR nerve and stimulation activity. Search heuristics may use genetic algorithm methods, gradient descent methods, simulated annealing methods, and the like.

図２の方法は、非定期的時間パターンのうちの決定される１つ又は複数に基づいて、対象者に脊髄刺激を施すこと（２０２）を含む。上記例を続けると、計算装置１１８は、ＳＣＳ装置１００に時間パターンを通信し得る。コントローラ１１２は、所定のＷＤＲニューロン出力及び刺激活動を生じさせた時間パターンを使用するように、パルス生成器１１４を制御し得る。これは、全ての他の適用される時間パターンの中の最低ＷＤＲニューロン出力及び最低刺激活動を生じさせた時間パターンであり得る。   The method of FIG. 2 includes applying spinal cord stimulation to a subject based on one or more of the determined non-periodic time patterns (202). Continuing the above example, computing device 118 may communicate a time pattern to SCS device 100. The controller 112 may control the pulse generator 114 to use the time pattern that produced the predetermined WDR neuron output and stimulation activity. This may be the time pattern that produced the lowest WDR neuron output and the lowest stimulation activity among all other applied time patterns.

実施形態によれば、コントローラ１１２は、脊柱神経線維への電気刺激の非定期的時間パターンを生成する電気信号を生成するよう、パルス生成器１１４を制御するように構成し得る。これらは、計算装置１１８によって提供される時間パターンであり得る。電極アレイ１０４の１つ又は複数の接点は、脊柱神経線維の１つ又は複数の部分母集団に電気刺激を適用するように、電気的に連通して所定の位置に配置し得る。電気刺激のパターンは、複数の異なる周波数を異なるタイミングで適用し得る。更に、例えば、パターンは、互いの倍数である異なる周波数で適用し得る。電気刺激のパターンは、刺激の定期的時間パターン（即ち、一定パルス間隔）又は刺激の非定期的時間パターン（即ち、時間変化するパルス間隔）を含み得る。   According to embodiments, the controller 112 may be configured to control the pulse generator 114 to generate an electrical signal that generates an irregular time pattern of electrical stimulation to the spinal nerve fibers. These can be time patterns provided by the computing device 118. One or more contacts of electrode array 104 may be placed in place in electrical communication to apply electrical stimulation to one or more subpopulations of spinal nerve fibers. The electrical stimulation pattern may apply a plurality of different frequencies at different timings. Further, for example, the patterns may be applied at different frequencies that are multiples of each other. The electrical stimulation pattern may include a periodic time pattern of stimulation (ie, a constant pulse interval) or an irregular time pattern of stimulation (ie, a time-varying pulse interval).

図２の方法は、非定期的時間パターンのうちの決定される１つ又は複数に基づいて、対象者に脊髄刺激を施すこと（２０６）を含む。上記例を続けると、コントローラ１１２は、所定のＷＤＲニューロン出力及び刺激活動を生じさせた時間パターンを使用するようにパルス生成器１１４を制御し得る。これは、全ての他の適用される時間パターンの中の最低ＷＤＲニューロン出力及び最低刺激活動を生じさせた時間パターンであり得る。   The method of FIG. 2 includes applying spinal cord stimulation to a subject based on one or more of the determined non-periodic time patterns (206). Continuing the above example, the controller 112 may control the pulse generator 114 to use the time pattern that caused the predetermined WDR neuron output and stimulation activity. This may be the time pattern that produced the lowest WDR neuron output and the lowest stimulation activity among all other applied time patterns.

実施形態によれば、本明細書に開示されるシステムは、異なる出力チャネルを通したＳＣＳ電極の異なる接点への複数の周波数のＳＣＳの送達を制御するアルゴリズムを実装し得る。アルゴリズムは、脳への侵害情報の伝送を担当するモデル後角ＷＤＲ投射ニューロンの出力を使用して、刺激がこれらのＷＤＲニューロンの活動を可能な限り大きく、且つ可能な限り低い周波数に抑制するように、ＳＣＳ中に送達される刺激の時間パターンを最適化し得る。例えば、図４に示される計算モデルを利用し得る。更に、ＷＤＲ活動（有効性）の低減と刺激周波数（効率）の低減との相対的重要性は、式（１）（Ｃ＝１０Ｆ＋Ｓ）中のＦ及びＳの重みを変更して、最適化された刺激パターンの群を生成することによって制御することができる。最適化は、最適な刺激パターンが、幾つかの反復又は「世代」にわたって生成されて評価される遺伝的アルゴリズム等の検索ヒューリスティックを使用して行われる。   According to embodiments, the systems disclosed herein may implement an algorithm that controls the delivery of multiple frequencies of SCS to different contacts of SCS electrodes through different output channels. The algorithm uses the output of model dorsal WDR projection neurons responsible for transmitting noxious information to the brain so that the stimulus suppresses the activity of these WDR neurons to the highest possible and lowest possible frequency. In addition, the time pattern of stimulation delivered during SCS can be optimized. For example, the calculation model shown in FIG. 4 can be used. Furthermore, the relative importance of reducing WDR activity (effectiveness) and reducing stimulation frequency (efficiency) is optimized by changing the weights of F and S in equation (1) (C = 10F + S). Can be controlled by generating groups of different stimulation patterns. Optimization is done using a search heuristic, such as a genetic algorithm, in which the optimal stimulus pattern is generated and evaluated over several iterations or “generations”.

図３は、本開示の実施形態によるＳＣＳの最適時間パターンのモデルベース設計の方法の一例のフローチャートを示す。方法例は、例えば、図１に示される計算装置１１８によって実施し得るが、代替的に、方法が任意の他の計算装置又はシステムで実施し得ることを理解されたい。テストすべき各刺激パターンは、刺激が各ビットで表される時間間隔にわたってオンであるか、それともオフであるかを表す一連のビットを含む「遺伝子」として表し得る。図３を参照すると、方法は、一連のビット（０及び１）を使用して１組のランダム時間パターンを生成すること（３００）を含む。   FIG. 3 shows a flowchart of an example method for model-based design of an optimal time pattern of SCS according to an embodiment of the present disclosure. The example method may be implemented, for example, by the computing device 118 shown in FIG. 1, but it should be understood that the method can alternatively be implemented on any other computing device or system. Each stimulus pattern to be tested may be represented as a “gene” that includes a series of bits that indicate whether the stimulus is on or off over the time interval represented by each bit. Referring to FIG. 3, the method includes generating a set of random time patterns (300) using a series of bits (0 and 1).

図３の方法は、パターンセットを使用して刺激を患者に送達すること（３０２）も含む。更に、方法は、ＷＤＲニューロン活動（有効性）及びＳＣＳ平均周波数（効率）を使用して、パターンの「適合度」を特定すること（３０４）を含む。刺激は、前に確立された時間期間中の可能なパターンセット内の各パターンによって表されるビットストリームに従って発生させることができ、その後、パターンの「適合度」を評価することができる。   The method of FIG. 3 also includes delivering 302 stimulation to the patient using the pattern set. In addition, the method includes identifying 304 the “fitness” of the pattern using WDR neuronal activity (efficacy) and SCS average frequency (efficiency). Stimulation can be generated according to the bitstream represented by each pattern in the possible pattern set during a previously established time period, and then the “fitness” of the pattern can be evaluated.

図３の方法は、次世代に残す最良のパターンを選択すること（３０６）を含む。更に、方法は、適合度に基づいて前世代での「親」パターンを交叉させて、「子」パターンを生成すること（３０８）と、「移住個体」ランダムパターン及び点突然変異を「子」に追加して、新世代を生成すること（３１０）とを含む。特に、例えば、低ＷＤＲニューロン出力及び低刺激周波数の組み合わせを優先する費用関数によって決定される最良パターンを保持することができ、異なる生き残りパターンの遺伝子を交叉させて、将来の試行への「子孫」パターンを生成し得る。更に、最適解への収束促進を目的として、変動性を刺激パターンに導入する為に、点突然変異は、パルス列を定義する「子孫」内の要素に断続的に適用し得、ランダム生成されるビットシーケンス（パターン）を有する「移住個体」は、次世代を表す母集団内に散りばめられる。方法は、指定数の世代に達するか、又は最適（最良）解の費用関数（適合度）の閾値に達するまで、ステップ３０２〜３１０のループ内で反復して継続し得る。最適化が完了した後、アルゴリズムによって最適であると考えられる刺激パターンのみが患者に送達される。最適化アルゴリズムは、オン及びオフをトグルで切り換えてもよく（例えば、調査中の医師による更新）、又は不定の終点に伴って継続するように設定されてもよい。方法は、将来、患者に使用する為に、最適なパターンを保存すること（３１２）を含み得る。   The method of FIG. 3 includes selecting the best pattern to leave to the next generation (306). In addition, the method crosses the “parent” pattern from the previous generation based on the goodness of fit to generate a “child” pattern (308), and “migrated individual” random patterns and point mutations to “child” And generating a new generation (310). In particular, for example, the best pattern determined by a cost function that favors a combination of low WDR neuron output and low stimulation frequency can be retained, and genes of different survivor patterns can be crossed to “offspring” for future trials. A pattern can be generated. In addition, point mutations can be applied intermittently to elements within the “offspring” that defines the pulse train and are randomly generated to introduce variability into the stimulus pattern with the goal of promoting convergence to an optimal solution. “Migrated individuals” with bit sequences (patterns) are scattered within the population representing the next generation. The method may continue iteratively within the loop of steps 302-310 until a specified number of generations is reached or the cost function (fitness) threshold of the optimal (best) solution is reached. After the optimization is complete, only the stimulation patterns that are considered optimal by the algorithm are delivered to the patient. The optimization algorithm may be toggled on and off (eg, updated by the investigator under investigation) or may be set to continue with indefinite endpoints. The method may include storing (312) an optimal pattern for future patient use.

図４は、ＳＣＳの最適時間パターンのモデルベースの設計及び評価の計算モデルの一例の概略図を示す。図４を参照すると、計算モデルは、接続されて、後角痛処理ネットワークを表す生物物理学的ニューロンネットワークを含み得る。モデルへの入力は、末梢からの情報を伝達する３０Ａ及び３０Ｃ一次求心性線維を含み、ＳＣＳは、Ａ線維を介してネットワークに送達されて、脊柱線維活性化を刺激し得る。複数のＡ／Ｃ線維及び興奮性介在ニューロンを使用して、ニューロン活動への時間的合算の効果を説明すると共に、変動性を入力に追加し得る。更に、末梢又は脊柱神経線維からの現実的な信号伝搬をシミュレートする為に、Ａ線維及びＣ線維の伝導速度に基づく伝搬遅延を全てのシミュレーションの全ての入力に組み込み得る。ＳＣＳ電極は、末梢源としての脊柱ネットワークからの距離の２０％であると仮定し得る。図４では、「ＩＮ」ノードは抑制介在ニューロンを表し、「ＥＸ」ノードは興奮性介在ニューロンを表し、「ＷＤＲ」ノードはＷＤＲ発射ニューロンを表す。シナプス４００は興奮接続部を示す。シナプス４０２は抑制接続部を示す。最適化アルゴリズムを使用するＳＣＳは、Ａ線維入力を介して送達し得る。   FIG. 4 shows a schematic diagram of an example calculation model for model-based design and evaluation of SCS optimal time patterns. Referring to FIG. 4, the computational model may include a biophysical neuron network connected to represent a dorsal pain treatment network. Inputs to the model include 30A and 30C primary afferent fibers that convey information from the periphery, and SCS can be delivered to the network via A fibers to stimulate spinal fiber activation. Multiple A / C fibers and excitatory interneurons can be used to explain the effect of temporal summation on neuronal activity and add variability to the input. Further, to simulate realistic signal propagation from peripheral or spinal nerve fibers, propagation delays based on the conduction velocity of A and C fibers can be incorporated into all inputs of all simulations. It can be assumed that the SCS electrode is 20% of the distance from the spinal network as a peripheral source. In FIG. 4, the “IN” node represents an inhibitory interneuron, the “EX” node represents an excitatory interneuron, and the “WDR” node represents a WDR firing neuron. Synapse 400 shows an excitatory connection. Synapse 402 represents a suppression connection. SCS using an optimization algorithm can be delivered via A fiber input.

計算実験が図６に示されるように行われ、図６は、実験的実行例の時系列を示す。図６を参照すると、ＳＣＳは、短いモデル初期化期間と、一定の１Ｈｚ又は生きた標本の神経腫から記録されたものと同様のランダム入力のいずれかを使用する１５秒の調整刺激とに続き、送達し得る。出力を追跡し得、遺伝的アルゴリズムを図３に示されるように進め得る。より詳細には、１秒のシミュレーション時間を経過させ、それにより、モデルを初期化することができ、全ての線維にわたって同期された一定の１Ｈｚパルス列又は特徴が末梢神経腫の発射挙動からとられるものに一致するポアソンプロセスに基づくランダムスパイク列のいずれかを含む末梢感覚入力（図５Ａ及び図５Ｂ参照）が次に、１５秒間、送達された。図５Ａ及び図５Ｂは、末梢一次求心性線維での活動のパターンを示すグラフを示す。代表的な均一１Ｈｚ入力は図５Ａに示され、神経腫を表すランダム入力は図５Ｂに示される。図５Ａ及び図５Ｂでは、全ての線維入力（ｙ軸、Ａ線維及びＣ線維で分けられる）で、５秒間隔（ｘ軸）がそれぞれ示されている。グラフ上の各黒点は、スパイクが、モデルへの対応する入力によって示される時点を表す。図５Ｂでは、Ａ線維入力の３０％がバースト挙動を示す。所与の世代内でテストされる各時間刺激パターン（生物）の１秒反復を使用したＳＣＳを、次の５秒間、送達し、その間、モデルＷＤＲニューロンの出力を記録した。現在のＳＣＳプロトコルは固定周波数刺激を使用する為、１Ｈｚ〜２００Ｈｚの一定周波数ＳＣＳに応答してのＷＤＲニューロンの出力及び費用関数を決定する１組の固定周波数コントロール（ＦＦＣ）も、比較の為に実行した。   A calculation experiment was performed as shown in FIG. 6, which shows a time series of experimental implementations. Referring to FIG. 6, the SCS follows a short model initialization period followed by a 15 second conditioning stimulus using either a constant 1 Hz or random input similar to that recorded from a live specimen neuroma. Can be delivered. The output can be tracked and the genetic algorithm can proceed as shown in FIG. More specifically, a 1 second simulation time is allowed to elapse so that the model can be initialized and a constant 1 Hz pulse train or feature synchronized across all fibers is taken from the firing behavior of the peripheral neuroma Peripheral sensory input (see FIGS. 5A and 5B) including any of the random spike trains based on the Poisson process that matched was then delivered for 15 seconds. Figures 5A and 5B show graphs showing patterns of activity in peripheral primary afferent fibers. A typical uniform 1 Hz input is shown in FIG. 5A, and a random input representing a neuroma is shown in FIG. 5B. 5A and 5B, 5 second intervals (x-axis) are shown for all fiber inputs (separated by y-axis, A-fiber and C-fiber), respectively. Each black dot on the graph represents a point in time when a spike is indicated by a corresponding input to the model. In FIG. 5B, 30% of the A fiber input shows burst behavior. SCS using a 1 second repeat of each time stimulus pattern (organism) tested within a given generation was delivered for the next 5 seconds, during which time the output of the model WDR neurons was recorded. Because the current SCS protocol uses fixed frequency stimulation, a set of fixed frequency controls (FFCs) that determine the output and cost function of WDR neurons in response to a constant frequency SCS from 1 Hz to 200 Hz are also included for comparison. Executed.

５０世代にわたり、遺伝的アルゴリズムを繰り返し、第一世代は２５のランダムに生成された生物を含み、各生物は、ＳＣＳパルスを所与の１秒間隔にわたって送達し得る間の１ミリ秒ビンを表す１０００「ビット」を含み、５秒刺激期間中の全体的なＳＣＳパルス列を、所与のパターンの５つの連続繰り返しから構築した。式（１）Ｃ＝１０Ｆ＋Ｓに示されるように、５秒ＳＣＳ間隔中のＷＤＲニューロンの平均周波数（Ｆ）と生物を使用したＳＣＳの平均周波数（Ｓ）との加重和を使用して、各刺激パターンの費用関数Ｃを各刺激実行後に特定した。   Over 50 generations, the genetic algorithm is repeated, with the first generation containing 25 randomly generated organisms, each organism representing a 1 millisecond bin while an SCS pulse can be delivered over a given 1 second interval. The entire SCS pulse train, including 1000 “bits” during the 5 second stimulation period, was constructed from 5 consecutive repetitions of a given pattern. Each stimulus using a weighted sum of the mean frequency (F) of WDR neurons during a 5 second SCS interval and the mean frequency (S) of the SCS using the organism, as shown in equation (1) C = 10F + S A cost function C for the pattern was identified after each stimulus run.

理想的な刺激列は、最小ＷＤＲニューロン応答を生じさせながら、低平均周波数を有し得、従ってより低い費用をもたらす（即ち、Ｃを最小化する）刺激パターンがより適合すると見なされた。初期適合度評価に続き、前世代からの５つの最も良く適合する（最も低い費用関数の）「生き残り」と、５つのランダムに生成される「移住個体」と、前世代での２つの生物（パターン）からの遺伝子交叉から生成される１５の「子」とを使用して、続く各世代を構築した。前世代での全てのパターンはこれらの子孫で表すことができるが、適合度の高いパターンほど、適合度の低い生物よりも、これらの交叉で表される確率が高かった。これらの原理を示す世代１〜５０の全母集団は図７に示され、図７は、均一な１Ｈｚ末梢入力（図７の左側）及び神経腫からのものに類似するランダム入力（図７の右側）に応答したＳＣＳの遺伝子アルゴリズムベースの最適化に使用される刺激パターンの初期母集団及び最終的母集団を示すプロットを示す。図７を参照すると、各行は刺激パターンであり、各黒線は、刺激パルスを刺激器によって送達し得る時点を表す。世代５０の母集団では、７００で全体的に示される線は、前世代からの最も適合度の高い生き残り（即ち、最も低い費用関数を有するパターン）を示す。全体的に７０２で示される線は、ランダム生成された移住個体を示す。更に、全体的に７０４で示される線は、前世代からのパターンの交叉からの子孫を示す。   An ideal stimulus train could have a low average frequency while producing a minimal WDR neuronal response, and thus a stimulus pattern that resulted in a lower cost (ie minimizing C) was considered more suitable. Following the initial fitness assessment, the five best-fit (lowest cost function) “survivors” from the previous generation, five randomly generated “migrated individuals”, and two organisms from the previous generation ( Each subsequent generation was constructed using 15 “children” generated from gene crossover from (pattern). All patterns in the previous generation can be represented by these offspring, but patterns with higher fitness have a higher probability of being represented by these crossings than organisms with lower fitness. The entire population of generations 1-50 illustrating these principles is shown in FIG. 7, which shows uniform 1 Hz peripheral inputs (left side of FIG. 7) and random inputs similar to those from neuromas (FIG. 7). FIG. 7 shows plots showing the initial and final population of stimulus patterns used for genetic algorithm-based optimization of SCS in response to (right). Referring to FIG. 7, each row is a stimulation pattern, and each black line represents a point in time when a stimulation pulse can be delivered by the stimulator. In the generation 50 population, the line generally indicated at 700 shows the best fit survival from the previous generation (ie, the pattern with the lowest cost function). The line indicated generally at 702 indicates randomly generated migrants. In addition, the line generally designated 704 indicates the offspring from the intersection of the patterns from the previous generation.

本開示の実施形態による最適化方法を使用して、痛みの計算モデルを使用するプロトタイプアルゴリズムのテストを通す同等の定期的周波数刺激と比較して、モデルＷＤＲニューロン挙動の抑制においてより効果的なＳＣＳの独自の時間パターンを設計し得る。   Using the optimization method according to embodiments of the present disclosure, SCS is more effective in suppressing model WDR neuron behavior compared to equivalent periodic frequency stimulation through testing of a prototype algorithm using a computational model of pain You can design your own time pattern.

実施形態によれば、モデルベースの最適化アルゴリズムの過程にわたり、各世代の最良パターンの全体的な「適合度」は、非ランダム及びランダム末梢入力の両方が計算モデルに適用された場合、単調改善を示した。例えば、図８は、１Ｈｚ末梢入力及びランダム入力から生じるグラフを示す。特に、グラフは、１Ｈｚ中（左側のグラフ）及びランダム末梢入力中（右側のグラフ）の遺伝子アルゴリズムにわたる各世代内の刺激の最良、中間、及び最悪時間パターンの未処理費用関数スコアを示す。１Ｈｚ末梢入力の場合、式（１）を使用して計算された最良パターンの適合度を表す費用は、３０９から１６５に低減した。ランダム末梢入力の場合、式（１）を使用して計算された最良パターンの適合度を表す費用は、４３１から２８５に低減した。費用のこの低減は、最初の世代及び最後の世代のそれぞれからの最良パターンを使用した刺激中（図９参照）、１Ｈｚ入力の場合における３０．０Ｈｚから１５．０Ｈｚへの、及びランダム入力の場合での４０．８Ｈｚから２５．４Ｈｚへの、モデルでのＷＤＲ発射ニューロンの発射周波数低減を浮き彫りにした。更に、最良パターンを使用した刺激中のＷＤＲ活動は、１Ｈｚ末梢入力送達時及びランダム末梢入力送達時の両方で、ＳＣＳが計算モデルに送達されなかったコントロール刺激と比較して、一貫して抑制された。この結果は、モデルベースの最適化アルゴリズムが、ランダム生成される初期母集団と比較して、漸次的により効率的なＳＣＳ時間パターンを生成することが可能であることを示す。   According to embodiments, over the course of the model-based optimization algorithm, the overall “fitness” of the best pattern of each generation is monotonically improved when both non-random and random peripheral inputs are applied to the computational model. showed that. For example, FIG. 8 shows a graph resulting from 1 Hz peripheral input and random input. In particular, the graph shows the raw cost function score of the best, middle and worst time patterns of stimuli within each generation across the genetic algorithm in 1 Hz (left graph) and random peripheral input (right graph). For 1 Hz peripheral input, the cost representing the best pattern fit calculated using Equation (1) was reduced from 309 to 165. For random peripheral inputs, the cost representing the best pattern fit calculated using Equation (1) was reduced from 431 to 285. This reduction in cost is during stimulation using the best pattern from each of the first and last generation (see Figure 9), from 30.0 Hz to 15.0 Hz for 1 Hz input, and for random input This highlights the firing frequency reduction of WDR firing neurons in the model from 40.8 Hz to 25.4 Hz. Furthermore, WDR activity during stimulation using the best pattern is consistently suppressed, both during 1 Hz peripheral input delivery and during random peripheral input delivery, compared to control stimuli for which SCS was not delivered to the computational model. It was. This result indicates that the model-based optimization algorithm can generate progressively more efficient SCS time patterns compared to the randomly generated initial population.

図９は、１Ｈｚ末梢入力（左）及びランダム末梢入力（右）中、ＳＣＳを使用して最良、中間、及び最悪ランクの刺激パターン（上）及び同等の周波数での固定周波数コントロール（ＦＦＣ）刺激（下）が適用された場合のＷＤＲニューロン発射周波数を示すグラフを示す。点線は、ＳＣＳが適用されない場合のＷＤＲニューロンの平均発射周波数を表す。   FIG. 9 shows fixed frequency control (FFC) stimulation at 1 Hz peripheral input (left) and random peripheral input (right) using SCS, with best, intermediate, and worst rank stimulation patterns (top) and equivalent frequencies. Fig. 9 shows a graph showing the WDR neuron firing frequency when (bottom) is applied. The dotted line represents the average firing frequency of the WDR neuron when SCS is not applied.

最良生物で表される平均ＳＣＳ周波数は比較的一定のままであり、最良生物の同等のＳＣＳ周波数のみが、１Ｈｚ末梢刺激中には９Ｈｚから１５Ｈｚに、ランダム末梢刺激中は２３Ｈｚから３１Ｈｚに変化した。例えば、図１０は、１Ｈｚ末梢入力（左）及びランダム末梢入力（右）中の遺伝的アルゴリズムの全世代での最良、中間、及び最悪刺激パターンの平均刺激周波数を示すグラフを示す。遺伝的アルゴリズムによって生成されるパルス列が、同等の固定周波数ＳＣＳよりも良好な性能であったか否かを評価する為に、最良に設計された（非定期的）刺激パターンの同等周波数での一定周波数刺激を使用したＳＣＳの適合度を、設計されたパターンそれ自体の適合度と比較した。５０世代後、定期的末梢刺激の場合及びランダム末梢刺激の場合の両方の最良設計パターンは、式（１）により、同等の固定周波数コントロールよりも良好な性能（より低い費用）をもたらした（ΔＣ＝−１８４、１Ｈｚ；ΔＣ＝−６６、ランダム；図１１）。刺激周波数は同じである為、性能のこの改善（費用の低減）は、設計されたパターンによるＷＤＲニューロン活動の抑制がより大きい（１８．４Ｈｚ、１Ｈｚ；６．６Ｈｚ、ランダム）ことのみに起因する。従って、最適化アルゴリズムの終わりでの設計パターンは、現在のＳＣＳで使用されるような一定周波数刺激よりも、侵害情報の伝送を抑制することにおいてより効果的であることが示される（図９Ｂ及び図１０）。   The average SCS frequency represented by the best organism remained relatively constant, and only the equivalent SCS frequency of the best organism changed from 9 Hz to 15 Hz during 1 Hz peripheral stimulation and from 23 Hz to 31 Hz during random peripheral stimulation. . For example, FIG. 10 shows a graph showing the average stimulation frequency of the best, middle and worst stimulation patterns for all generations of the genetic algorithm in 1 Hz peripheral input (left) and random peripheral input (right). Constant frequency stimulation at the equivalent frequency of the best designed (non-periodic) stimulation pattern to evaluate whether the pulse train generated by the genetic algorithm performed better than an equivalent fixed frequency SCS The suitability of the SCS using was compared to the suitability of the designed pattern itself. After 50 generations, the best design pattern for both periodic peripheral stimulation and random peripheral stimulation resulted in better performance (lower cost) than equivalent fixed frequency control according to equation (1) (ΔC = −184, 1 Hz; ΔC = −66, random; FIG. 11). Since the stimulation frequency is the same, this improvement in performance (reduced cost) is only due to greater suppression of WDR neuronal activity by the designed pattern (18.4 Hz, 1 Hz; 6.6 Hz, random). . Thus, the design pattern at the end of the optimization algorithm is shown to be more effective in suppressing the transmission of infringing information than constant frequency stimulation as used in current SCS (FIG. 9B and FIG. 10).

図１１は、１Ｈｚ末梢入力（左）及びランダム末梢入力（右）中の遺伝的アルゴリズムの全世代での最良、中間、及び最悪刺激パターンと、同等の固定周波数刺激との性能比較を示すグラフを示す。正のΔ費用は、固定周波数刺激が刺激パターンよりも良好な性能であったことを示し、一方、負のΔ費用は、刺激パターンが固定周波数刺激よりも良好な性能であったことを示す。   FIG. 11 is a graph showing a performance comparison of the best, medium and worst stimulus patterns for all generations of the genetic algorithm in 1 Hz peripheral input (left) and random peripheral input (right) with equivalent fixed frequency stimulation. Show. A positive Δ cost indicates that the fixed frequency stimulus performed better than the stimulus pattern, while a negative Δ cost indicates that the stimulus pattern performed better than the fixed frequency stimulus.

図１２は、パルス間隔が時間的に一定である定期的な一定周波数刺激列と、パルス間隔が時間的に変動する非定期的時間刺激パターンの例とを示す。   FIG. 12 shows a regular constant frequency stimulus train in which the pulse interval is constant in time, and an example of a non-periodic time stimulus pattern in which the pulse interval varies in time.

本主題は、システム、方法、及び／又はコンピュータプログラム製品であり得る。コンピュータプログラム製品は、本主題の１つの態様をプロセッサに実行させるコンピュータ可読プログラム命令を有する１つ又は複数のコンピュータ可読記憶媒体を含み得る。   The present subject matter can be a system, method, and / or computer program product. A computer program product may include one or more computer-readable storage media having computer-readable program instructions that cause a processor to perform one aspect of the present subject matter.

コンピュータ可読記憶媒体は、命令実行装置による使用の為に命令を保持し記憶することができる有形装置であることができる。コンピュータ可読記憶媒体は、例えば、電子記憶装置、磁気記憶装置、光学記憶装置、電磁記憶装置、半導体記憶装置、又は上記の任意の適する組み合わせであり得るが、これらに限定されない。コンピュータ可読記憶媒体のより具体的な例の非排他的なリストは、以下を含む：ポータブルコンピュータディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、読み取り専用メモリ（ＲＯＭ）、消去可能プログラマブル読み取り専用メモリ（ＥＰＲＯＭ又はフラッシュメモリ）、スタティックランダムアクセスメモリ（ＳＲＡＭ）、ポータブルコンパクトディスク読み取り専用メモリ（ＣＤ−ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、メモリスティック、フロッピー（登録商標）ディスク、命令が記録されたパンチカード又は溝内の***構造体等の機械的符号化装置、及び上記の任意の適する組み合わせ。コンピュータ可読記憶媒体は、本明細書で使用される場合、電波又は他の自由伝搬電磁波、導波管若しくは他の伝送媒体を通って伝搬する電磁波（例えば、光ファイバケーブルを通る光パルス）、又はワイヤを通って伝送する電気信号等のそれ自体が一過性の信号であるものとして解釈されるべきではない。   The computer readable storage medium can be a tangible device that can retain and store instructions for use by the instruction execution device. The computer readable storage medium may be, for example, but not limited to, an electronic storage device, a magnetic storage device, an optical storage device, an electromagnetic storage device, a semiconductor storage device, or any suitable combination of the above. A non-exclusive list of more specific examples of computer readable storage media includes: portable computer diskette, hard disk, random access memory (RAM), read only memory (ROM), erasable programmable read only memory (EPROM) Or flash memory), static random access memory (SRAM), portable compact disk read-only memory (CD-ROM), digital versatile disk (DVD), memory stick, floppy (registered trademark) disk, punch card with recorded instructions Or a mechanical encoding device, such as a raised structure in a groove, and any suitable combination of the above. A computer-readable storage medium as used herein refers to a radio wave or other free-propagating electromagnetic wave, an electromagnetic wave propagating through a waveguide or other transmission medium (eg, a light pulse through a fiber optic cable), or It should not be construed as a transient signal, such as an electrical signal transmitted through a wire.

本明細書に記載されるコンピュータ可読プログラム命令は、コンピュータ可読記憶媒体から各計算／処理装置に、又はネットワーク、例えば、インターネット、ローカルエリアネットワーク、広域ネットワーク、及び／又は無線ネットワークを介して外部コンピュータ若しくは外部記憶装置にダウンロードすることができる。ネットワークは、銅伝送ケーブル、光学伝送ファイバ、無線伝送、ルータ、ファイアウォール、交換機、ゲートウェイコンピュータ、及び／又はエッジサーバを含み得る。各計算／処理装置内のネットワークアダプタカード又はネットワークインタフェースは、コンピュータ可読プログラム命令をネットワークから受信し、コンピュータ可読プログラム命令を各計算／処理装置内のコンピュータ可読記憶媒体に記憶する為に転送する。   The computer readable program instructions described herein may be transmitted from a computer readable storage medium to each computing / processing device, or an external computer or network via a network, eg, the Internet, a local area network, a wide area network, and / or a wireless network. It can be downloaded to an external storage device. The network may include copper transmission cables, optical transmission fibers, wireless transmissions, routers, firewalls, switches, gateway computers, and / or edge servers. A network adapter card or network interface in each computing / processing device receives computer readable program instructions from the network and forwards the computer readable program instructions for storage on a computer readable storage medium in each computing / processing device.

本主題の動作を実行するコンピュータ可読プログラム命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、機械命令、機械依存命令、マイクロコード、ファームウェア命令、状態設定データ、又はジャバ（Ｊａｖａ）（登録商標）、スモールトーク（Ｓｍａｌｌｔａｌｋ）、Ｃ＋＋等のオブジェクト指向プログラミング言語及び「Ｃ」プログラミング言語又は同様のプログラミング言語等の従来の手続き型プログラミング言語を含む１つ若しくは複数のプログラミング言語の任意の組み合わせで書かれたソースコード若しくはオブジェクトコードのいずれかであり得る。コンピュータ可読プログラム命令は、全体的にユーザのコンピュータで、部分的にユーザのコンピュータで、独立したソフトウェアパッケージとして、部分的にユーザのコンピュータ及び部分的にリモートコンピュータで、又は全体的にリモートコンピュータ若しくはサーバで実行し得る。全体的にリモートコンピュータ又はサーバで実行される状況では、リモートコンピュータは、ローカルエリアネットワーク（ＬＡＮ）若しくは広域ネットワーク（ＷＡＮ）を含め、任意のタイプのネットワークを通してユーザのコンピュータに接続し得、又は接続は、外部コンピュータに対して行い得る（例えば、インターネットサービスプロバイダを使用してインターネットを通して）。幾つかの実施形態では、例えば、プログラマブル論理回路、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、又はプログラマブル論理アレイ（ＰＬＡ）を含む電子回路は、コンピュータ可読プログラム命令の状態情報を利用することによってコンピュータ可読プログラム命令を実行して、電子回路を個人化し、本主題の態様を実行し得る。   Computer readable program instructions for performing the operations of the present subject matter are assembler instructions, instruction set architecture (ISA) instructions, machine instructions, machine dependent instructions, microcode, firmware instructions, state setting data, or Java. Written in any combination of one or more programming languages, including object-oriented programming languages such as Smalltalk, C ++, and conventional procedural programming languages such as "C" programming language or similar programming languages It can be either source code or object code. The computer readable program instructions may be entirely on the user's computer, partially on the user's computer, partially as a separate software package, partially on the user's computer and partially on the remote computer, or entirely on the remote computer or server. Can be done with. In situations where it is entirely executed on a remote computer or server, the remote computer may connect to the user's computer through any type of network, including a local area network (LAN) or a wide area network (WAN), or the connection may be Can be done to an external computer (eg, through the internet using an internet service provider). In some embodiments, for example, an electronic circuit that includes a programmable logic circuit, a field programmable gate array (FPGA), or a programmable logic array (PLA) can use computer readable program instructions by utilizing state information of the computer readable program instructions. To personalize the electronic circuit and perform aspects of the present subject matter.

本主題の態様は、本主題の実施形態による方法、装置（システム）、及びコンピュータプログラム製品のフローチャート図及び／又はブロック図を参照して本明細書で説明されている。フローチャート図及び／又はブロック図の各ブロック及びフローチャート図及び／又はブロック図内のブロックの組み合わせが、コンピュータ可読プログラム命令によって実施可能であることが理解されよう。   Aspects of the present subject matter are described herein with reference to flowchart illustrations and / or block diagrams of methods, apparatus (systems) and computer program products according to embodiments of the present subject matter. It will be understood that each block of the flowchart illustrations and / or block diagrams, and combinations of blocks in the flowchart illustrations and / or block diagrams, can be implemented by computer readable program instructions.

これらのコンピュータ可読プログラム命令は、汎用コンピュータ、専用コンピュータ、又は他のプログラマブルデータ処理装置のプロセッサに提供して、コンピュータ又は他のプログラマブルデータ処理装置のプロセッサを介して実行される命令が、フローチャート及び／又はブロック図の１つ又は複数のブロックに指定される機能／動作を実施する手段を生成するような機械を生成し得る。これらのコンピュータ可読プログラム命令は、命令を記憶したコンピュータ可読記憶媒体が、フローチャート及び／又はブロック図の１つ又は複数のブロックに指定される機能／動作の態様を実施する命令を含む製品を備えるよう特定の方法で機能するように、コンピュータ、プログラマブルデータ処理装置、及び／又は他の装置に指示することができるコンピュータ可読記憶媒体に記憶することもできる。   These computer readable program instructions are provided to a processor of a general purpose computer, special purpose computer, or other programmable data processing device so that instructions executed via the processor of the computer or other programmable data processing device are flowcharts and / or Alternatively, a machine may be generated that generates a means for performing the function / operation specified in one or more blocks of the block diagram. These computer readable program instructions are such that the computer readable storage medium storing the instructions comprises a product that includes instructions that implement aspects of the function / operation specified in one or more blocks of the flowcharts and / or block diagrams. It can also be stored on a computer readable storage medium that can direct a computer, programmable data processing device, and / or other device to function in a particular manner.

コンピュータ可読プログラム命令は、コンピュータ、他のプログラマブルデータ処理装置、又は他の装置にロードして、一連の動作ステップをコンピュータ、他のプログラマブル装置、又は他の装置で実行させて、コンピュータ、他のプログラマブル装置、又は他の装置で実行される命令がフローチャート及び／又はブロック図の１つ又は複数のブロックに指定される機能／動作を実施するようなコンピュータ実施プロセスを生成することもできる。   Computer-readable program instructions are loaded into a computer, other programmable data processing device, or other device, causing a series of operational steps to be performed on the computer, other programmable device, or other device, and the computer, other programmable Computer-implemented processes may also be generated in which instructions executed on a device, or other device, perform functions / operations specified in one or more blocks of the flowcharts and / or block diagrams.

図中のフローチャート及びブロック図は、本主題の様々な実施形態によるシステム、方法、及びコンピュータプログラム製品の可能な実装形態のアーキテクチャ、機能、及び動作を示す。これに関して、フローチャート又はブロック図内の各ブロックは、指定された論理機能を実装する１つ又は複数の実行可能命令を含むモジュール、セグメント、又は命令の部分を表し得る。幾つかの代替の実装形態では、ブロックに記される機能は、図に記される順序以外の順序で行われ得る。例えば、関わる機能に応じて、連続して示される２つのブロックは、実際には、略同時に実行されてもよく、又はそれらのブロックが逆の順序で実行されてもよいことがある。ブロック図及び／又はフローチャート図の各ブロック及びブロック図及び／又はフローチャート図内のブロックの組み合わせが、指定された機能若しくは動作を実行するか、又は専用ハードウェア命令及びコンピュータ命令の組み合わせを実行する専用ハードウェアベースのシステムによって実施可能なことにも留意されたい。   The flowchart and block diagrams in the Figures illustrate the architecture, functionality, and operation of possible implementations of systems, methods and computer program products according to various embodiments of the present subject matter. In this regard, each block in the flowchart or block diagram may represent a module, segment, or portion of an instruction that includes one or more executable instructions that implement a specified logical function. In some alternative implementations, the functions noted in the blocks may be performed in an order other than the order noted in the figures. For example, depending on the function involved, two blocks shown in succession may actually be executed substantially simultaneously, or they may be executed in reverse order. Each block in the block diagram and / or flowchart diagram and combination of blocks in the block diagram and / or flowchart diagram is dedicated to perform a specified function or operation, or to perform a combination of dedicated hardware and computer instructions Note also that it can be implemented by a hardware-based system.

本明細書で言及される任意の特許又は刊行物は、本主題が関連する技術分野の当業者のレベルを示す。これらの特許及び刊行物は、あたかも個々の各刊行物が特に且つ個々に参照により援用されることが示されるのと同じ程度で、参照により本明細書に援用される。   Any patents or publications mentioned in this specification are indicative of the level of those skilled in the art to which this subject matter pertains. These patents and publications are hereby incorporated by reference to the same extent as if each individual publication was specifically and individually indicated to be incorporated by reference.

本主題が、目的を遂行し、上述した結果及び利点並びにそれらに固有の結果及び利点を得るように上手く適合されることを当業者は容易に理解されよう。本例は、本明細書に記載される方法と共に、様々な実施形態の現在の代表であり、例示的なものであり、本主題の範囲に対する限定として意図されていない。本例での変更形態及び他の使用は当業者に想到され、それらの変更形態及び他の使用は、特許請求の範囲によって規定される本主題の趣旨内に包含される。
Those of skill in the art will readily appreciate that the present subject matter is well adapted to accomplish the objectives and obtain the results and advantages described above as well as those unique to them. This example, along with the methods described herein, is presently representative of various embodiments, is exemplary, and is not intended as a limitation on the scope of the present subject matter. Variations and other uses in this example will occur to those skilled in the art, and such variations and other uses are encompassed within the spirit of the present subject matter as defined by the claims.

Claims (23)

計算モデルを使用して有効性最適化及び効率最適化のうちの一方に関して、所定のニューロン出力及び刺激活動を生じさせる１つ又は複数の非定期的時間パターンを決定することと、
前記非定期的時間パターンのうちの前記決定される１つ又は複数に基づいて、対象者に脊髄刺激を施すことと、
を含む、方法。 Determining one or more non-periodic time patterns that produce a given neuronal output and stimulation activity for one of effectiveness optimization and efficiency optimization using a computational model;
Applying spinal cord stimulation to a subject based on the determined one or more of the non-periodic time patterns;
Including a method. 電気刺激の前記非定期的時間パターンを対象者の標的神経組織領域に適用することを更に含む、請求項１に記載の方法。   The method of claim 1, further comprising applying the non-periodic time pattern of electrical stimulation to a target neural tissue region of a subject. 前記決定される１つ又は複数の非定期的時間パターンを適用する為に、少なくとも１つの電極を前記標的神経組織領域と電気的に連通させることを更に含む、請求項２に記載の方法。   The method of claim 2, further comprising electrically communicating at least one electrode with the target neural tissue region to apply the determined one or more non-periodic time patterns. 電気刺激の非定期的時間パターンを適用することは、電気刺激の前記非定期的時間パターンを、前記対象者の脊柱神経線維、後根、後根神経節、又は末梢神経のうちの少なくとも１つの部分母集団に適用することを含む、請求項２に記載の方法。   Applying the non-periodic time pattern of electrical stimulation comprises applying the non-periodic time pattern of electrical stimulation to at least one of the subject's spinal nerve fibers, dorsal root, dorsal root ganglion, or peripheral nerve. 3. The method of claim 2, comprising applying to a subpopulation. 前記非定期的時間パターンのうちの１つ又は複数を決定することは、
ニューロン出力及び刺激出力周波数を最適化する費用関数を生成することと、
ニューロン出力と刺激器出力周波数との所定又は患者固有のバランスに関して前記費用関数を調整することと、
前記費用関数に基づいて、前記非定期的時間パターンのうちの１つ又は複数を選択することと、
を含む、請求項２に記載の方法。 Determining one or more of the non-periodic time patterns comprises:
Generating a cost function to optimize neuron output and stimulus output frequency;
Adjusting the cost function for a predetermined or patient-specific balance between neuron output and stimulator output frequency;
Selecting one or more of the non-periodic time patterns based on the cost function;
The method of claim 2 comprising: 前記適用される時間パターンを変更することと、
前記適用される時間パターンを変更しながら、前記費用関数の閾値が得られるときを判断することと、
前記閾値が得られるときに適用される前記時間パターンが、所定のニューロン出力及び刺激活動を生じさせる前記非定期的時間パターンのうちの前記１つ又は複数であると判断することと、
を更に含む、請求項５に記載の方法。 Changing the applied time pattern;
Determining when the threshold of the cost function is obtained while changing the applied time pattern;
Determining that the time pattern applied when the threshold is obtained is the one or more of the non-periodic time patterns that produce a predetermined neuronal output and stimulation activity;
The method of claim 5 further comprising: １つ又は複数の非定期的時間パターンを決定することは、ニューロン発射抑制の最大化及び平均刺激周波数の最小化のうちの一方に関して、他のパターンの中から前記１つ又は複数の非定期的時間パターンを選択することを含む、請求項１に記載の方法。   Determining one or more non-periodic time patterns may include the one or more non-periodic among other patterns for one of maximizing neuronal firing suppression and minimizing average stimulation frequency. The method of claim 1, comprising selecting a time pattern. 最適化有効性の測定値として、ＷＤＲニューロンの計算モデルの出力を使用することを含む、請求項１に記載の方法。   The method of claim 1, comprising using an output of a computational model of a WDR neuron as a measure of optimization effectiveness. 最適化有効性の代わりとして、前記計算モデルにおいて脊髄刺激（ＳＣＳ）刺激周波数を使用することを含む、請求項１に記載の方法。   The method of claim 1, comprising using a spinal cord stimulation (SCS) stimulation frequency in the computational model as an alternative to optimization effectiveness. 前記１つ又は複数の非定期的時間パターンを選択する為の費用関数を生成することを更に含む、請求項９に記載の方法。   The method of claim 9, further comprising generating a cost function for selecting the one or more non-periodic time patterns. １つ又は複数の非定期的時間パターンを決定することは、検索ヒューリスティックを使用して、前記所定のニューロン出力及び刺激器出力周波数を生じさせる前記１つ又は複数の非定期的時間パターンを決定することを含む、請求項１に記載の方法。   Determining one or more non-periodic time patterns uses a search heuristic to determine the one or more non-periodic time patterns that produce the predetermined neuron output and stimulator output frequency. The method of claim 1, comprising: 前記検索ヒューリスティックを使用することは、遺伝的アルゴリズム法、勾配降下法、及びシミュレーテッドアニーリング法のうちの１つを使用することを含む、請求項１１に記載の方法。   The method of claim 11, wherein using the search heuristic includes using one of a genetic algorithm method, a gradient descent method, and a simulated annealing method. 少なくとも１つのプロセッサ及びメモリを備え、前記少なくとも１つのプロセッサ及びメモリは、
少なくとも１つのニューロンの計算モデルを使用して、有効性最適化及び効率最適化のうちの一方に関して、所定のニューロン出力及び刺激活動を生じさせる１つ又は複数の非定期的時間パターンを決定することと、
前記非定期的時間パターンのうちの前記決定される１つ又は複数に基づいて、対象者に脊髄刺激を施すパルス生成器及び１つ又は複数の電極を制御することと、
を実行するように構成される、システム。 At least one processor and memory, the at least one processor and memory comprising:
Determining one or more non-periodic time patterns that produce a given neuronal output and stimulation activity for one of efficacy optimization and efficiency optimization using a computational model of at least one neuron When,
Controlling a pulse generator and one or more electrodes for applying spinal cord stimulation to a subject based on the determined one or more of the non-periodic time patterns;
A system that is configured to run. 電気刺激の前記非定期的時間パターンを対象者の標的神経組織領域に適用するよう前記パルス生成器及び前記１つ又は複数の電極を制御するように構成される脊髄刺激（ＳＣＳ）装置を更に備える、請求項１３に記載のシステム。   A spinal cord stimulation (SCS) device configured to control the pulse generator and the one or more electrodes to apply the non-periodic time pattern of electrical stimulation to a target neural tissue region of a subject; The system according to claim 13. 前記標的神経組織領域と電気的に連通して、前記決定される１つ又は複数の非定期的時間パターンを適用する少なくとも１つの電極を更に備える、請求項１３に記載のシステム。   The system of claim 13, further comprising at least one electrode in electrical communication with the target neural tissue region and applying the determined one or more non-periodic time patterns. 前記ＳＣＳ装置は、電気刺激の前記非定期的時間パターンを、前記対象者の脊柱神経線維、後根、後根神経節、又は末梢神経のうちの少なくとも１つの部分母集団に適用するように構成される、請求項１３に記載のシステム。   The SCS device is configured to apply the non-periodic time pattern of electrical stimulation to at least one subpopulation of the subject's spinal nerve fibers, dorsal root, dorsal root ganglion, or peripheral nerve. 14. The system of claim 13, wherein: 前記少なくとも１つのプロセッサ及びメモリは、
前記ニューロン出力及び刺激出力周波数を最適化する費用関数を生成することと、
ニューロン出力と刺激器出力周波数との所定又は患者固有のバランスに関して前記費用関数を調整することと、
前記費用関数に基づいて、前記非定期的時間パターンのうちの前記１つ又は複数を選択することと、
を実行するように構成される、請求項１３に記載のシステム。 The at least one processor and memory are:
Generating a cost function that optimizes the neuron output and stimulus output frequency;
Adjusting the cost function for a predetermined or patient-specific balance between neuron output and stimulator output frequency;
Selecting the one or more of the non-periodic time patterns based on the cost function;
The system of claim 13, wherein the system is configured to perform 前記少なくとも１つのプロセッサ及びメモリは、
前記適用される時間パターンを変更することと、
前記適用される時間パターンを変更しながら、前記費用関数の閾値が得られるときを判断することと、
前記閾値が得られるときに適用される前記時間パターンが、所定のニューロン出力及び刺激活動を生じさせる前記非定期的時間パターンのうちの前記１つ又は複数であると判断することと、
を実行するように構成される、請求項１７に記載のシステム。 The at least one processor and memory are:
Changing the applied time pattern;
Determining when the threshold of the cost function is obtained while changing the applied time pattern;
Determining that the time pattern applied when the threshold is obtained is the one or more of the non-periodic time patterns that produce a predetermined neuronal output and stimulation activity;
The system of claim 17, wherein the system is configured to perform 前記少なくとも１つのプロセッサ及びメモリは、最適化有効性の測定値として、ＷＤＲニューロンの計算モデルの出力を使用するように構成される、請求項１３に記載のシステム。   The system of claim 13, wherein the at least one processor and memory are configured to use an output of a computational model of a WDR neuron as a measure of optimization effectiveness. 前記少なくとも１つのプロセッサ及びメモリは、最適化有効性の代わりとして、前記計算モデルにおいて脊髄刺激（ＳＣＳ）刺激周波数を使用するように構成される、請求項１３に記載のシステム。   The system of claim 13, wherein the at least one processor and memory are configured to use spinal cord stimulation (SCS) stimulation frequency in the computational model as an alternative to optimization effectiveness. 前記少なくとも１つのプロセッサ及びメモリは、前記１つ又は複数の非定期的時間パターンを選択する為の費用関数を生成するように構成される、請求項２０に記載のシステム。   21. The system of claim 20, wherein the at least one processor and memory are configured to generate a cost function for selecting the one or more non-periodic time patterns. 前記少なくとも１つのプロセッサ及びメモリは、検索ヒューリスティックを使用して、前記所定のＷＤＲニューロン出力及び刺激器出力周波数を生じさせる前記１つ又は複数の非定期的時間パターンを決定するように構成される、請求項１３に記載のシステム。   The at least one processor and memory are configured to determine the one or more non-periodic time patterns that produce the predetermined WDR neuron output and stimulator output frequency using a search heuristic. The system of claim 13. 前記少なくとも１つのプロセッサ及びメモリは、遺伝的アルゴリズム法、勾配降下法、及びシミュレーテッドアニーリング法のうちの１つを使用するように構成される、請求項２２に記載のシステム。
23. The system of claim 22, wherein the at least one processor and memory are configured to use one of a genetic algorithm method, a gradient descent method, and a simulated annealing method.
JP2016501841A 2013-03-13 2014-03-13 System and method for applying spinal cord stimulation based on electrical stimulation time patterns Pending JP2016515025A (en)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201361779554P 2013-03-13 2013-03-13
US201361779632P 2013-03-13 2013-03-13
US61/779,632 2013-03-13
US61/779,554 2013-03-13
PCT/US2014/025389 WO2014159880A1 (en) 2013-03-13 2014-03-13 Systems and methods for administering spinal cord stimulation based on temporal patterns of electrical stimulation

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2019106026A Division JP7038080B2 (en) 2013-03-13 2019-06-06 Systems and methods for spinal cord stimulation based on the time pattern of electrical stimulation

Publications (2)

Publication Number Publication Date
JP2016515025A true JP2016515025A (en) 2016-05-26
JP2016515025A5 JP2016515025A5 (en) 2017-04-13

Family

ID=51625282

Family Applications (3)

Application Number Title Priority Date Filing Date
JP2016501841A Pending JP2016515025A (en) 2013-03-13 2014-03-13 System and method for applying spinal cord stimulation based on electrical stimulation time patterns
JP2016501846A Pending JP2016515026A (en) 2013-03-13 2014-03-13 System and method for optimizing spinal cord stimulation by applying electrical stimulation
JP2019106026A Active JP7038080B2 (en) 2013-03-13 2019-06-06 Systems and methods for spinal cord stimulation based on the time pattern of electrical stimulation

Family Applications After (2)

Application Number Title Priority Date Filing Date
JP2016501846A Pending JP2016515026A (en) 2013-03-13 2014-03-13 System and method for optimizing spinal cord stimulation by applying electrical stimulation
JP2019106026A Active JP7038080B2 (en) 2013-03-13 2019-06-06 Systems and methods for spinal cord stimulation based on the time pattern of electrical stimulation

Country Status (6)

Country Link
US (2) US10232179B2 (en)
EP (2) EP2968945B1 (en)
JP (3) JP2016515025A (en)
AU (5) AU2014244318A1 (en)
CA (2) CA2905102C (en)
WO (2) WO2014159880A1 (en)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106687173A (en) 2014-09-15 2017-05-17 波士顿科学神经调制公司 Graphical user interface for programming neurostimulation pulse patterns
AU2015343483B2 (en) * 2014-11-04 2018-03-01 Boston Scientific Neuromodulation Corporation Method and apparatus for programming complex neurostimulation patterns
EP3294126A4 (en) * 2015-05-08 2018-12-19 Duke University Systems and methods for spinal cord stimulation
CN107921255B (en) 2015-07-30 2021-02-26 波士顿科学神经调制公司 User interface for custom-patterned electrical stimulation
WO2017066187A1 (en) 2015-10-15 2017-04-20 Boston Scientific Neuromodulation Corporation User interface for neurostimulation waveform composition
CN108712921B (en) 2015-12-30 2020-05-22 波士顿科学神经调制公司 System for constructing neural stimulation patterns using neural network models
DE112016006127T5 (en) 2015-12-30 2018-09-20 Boston Scientific Neuromodulation Corporation System for compiling neurostimulation patterns for cumulative effect
WO2017117434A1 (en) 2015-12-30 2017-07-06 Boston Scientific Neuromodulation Corporation System for guided optimization of neurostimulation patterns
WO2017210491A1 (en) * 2016-06-01 2017-12-07 Duke University Systems and methods for determining optimal temporal patterns of neural stimulation
WO2018119220A1 (en) 2016-12-21 2018-06-28 Duke University Method to design temporal patterns of nervous system stimulation
WO2019118577A1 (en) * 2017-12-12 2019-06-20 Duke University Systems and methods for minimizing response variability of spinal cord stimulation

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080046036A1 (en) * 2006-06-30 2008-02-21 Medtronic, Inc. Selecting electrode combinations for stimulation therapy
JP2012504458A (en) * 2008-10-03 2012-02-23 デューク ユニバーシティ Unscheduled electrical stimulation patterns for treating neurological disorders

Family Cites Families (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS54119792A (en) 1978-03-03 1979-09-17 Iriyou Kougaku Kenkiyuushiyo K Electric stimulation device for removing pain
US6944501B1 (en) 2000-04-05 2005-09-13 Neurospace, Inc. Neurostimulator involving stimulation strategies and process for using it
US5716377A (en) 1996-04-25 1998-02-10 Medtronic, Inc. Method of treating movement disorders by brain stimulation
US7555346B1 (en) 1999-01-07 2009-06-30 Boston Scientific Neuromodulation Corporation Implantable pulse generator having current steering means
US7305268B2 (en) 2000-07-13 2007-12-04 Northstar Neurscience, Inc. Systems and methods for automatically optimizing stimulus parameters and electrode configurations for neuro-stimulators
PT102508A (en) 2000-08-10 2002-02-28 Maria Candida De Carvalho Ferr GENETICAL ALGORITHMS MIXED - LINEAR AND NON-LINEAR - TO SOLVE PROBLEMS SUCH AS OPTIMIZATION, FUNCTION DISCOVERY, LOGIC PLANNING AND SYNTHESIS
US6560490B2 (en) 2000-09-26 2003-05-06 Case Western Reserve University Waveforms for selective stimulation of central nervous system neurons
WO2002035985A2 (en) 2000-11-02 2002-05-10 March Keith L Method and system for modulation of oscillating signals to enhance biologic effects
US20070191895A1 (en) 2001-04-20 2007-08-16 Foreman Robert D Activation of cardiac alpha receptors by spinal cord stimulation produces cardioprotection against ischemia, arrhythmias, and heart failure
US7050856B2 (en) 2002-01-11 2006-05-23 Medtronic, Inc. Variation of neural-stimulation parameters
US7881805B2 (en) 2002-02-04 2011-02-01 Boston Scientific Neuromodulation Corporation Method for optimizing search for spinal cord stimulation parameter settings
US7236830B2 (en) 2002-12-10 2007-06-26 Northstar Neuroscience, Inc. Systems and methods for enhancing or optimizing neural stimulation therapy for treating symptoms of Parkinson's disease and/or other movement disorders
US7344555B2 (en) 2003-04-07 2008-03-18 The United States Of America As Represented By The Department Of Health And Human Services Light promotes regeneration and functional recovery after spinal cord injury
JP4174825B2 (en) 2003-05-23 2008-11-05 株式会社テクノリンク Biological stimulator
US7239926B2 (en) * 2003-09-15 2007-07-03 Medtronic, Inc. Selection of neurostimulator parameter configurations using genetic algorithms
US8180601B2 (en) 2006-03-09 2012-05-15 The Cleveland Clinic Foundation Systems and methods for determining volume of activation for deep brain stimulation
US7483747B2 (en) 2004-07-15 2009-01-27 Northstar Neuroscience, Inc. Systems and methods for enhancing or affecting neural stimulation efficiency and/or efficacy
US7463927B1 (en) 2004-09-02 2008-12-09 Intelligent Neurostimulation Microsystems, Llc Self-adaptive system for the automatic detection of discomfort and the automatic generation of SCS therapies for chronic pain control
US8788044B2 (en) * 2005-01-21 2014-07-22 Michael Sasha John Systems and methods for tissue stimulation in medical treatment
EP1955190B1 (en) * 2005-11-10 2018-08-29 In Silico Biosciences, Inc. Method and apparatus for computer modeling the human brain for predicting drug effects
US20090204173A1 (en) * 2007-11-05 2009-08-13 Zi-Ping Fang Multi-Frequency Neural Treatments and Associated Systems and Methods
US8559662B2 (en) 2008-05-06 2013-10-15 Starkey Laboratories, Inc. Genetic algorithms with subjective input for hearing assistance devices
WO2009139909A1 (en) 2008-05-15 2009-11-19 Intelect Medical, Inc. Clinician programmer system and method for steering volumes of activation
AU2009262178A1 (en) 2008-06-25 2009-12-30 Advanced Neuromodulation Systems, Inc. Method of electrically stimulating tissue of a patient by shifting a locus of stimulation and system employing the same
US8255057B2 (en) 2009-01-29 2012-08-28 Nevro Corporation Systems and methods for producing asynchronous neural responses to treat pain and/or other patient conditions
ES2741828T3 (en) 2008-12-04 2020-02-12 Cleveland Clinic Found System and procedure to define the target volume for stimulation in the brain
US8825168B2 (en) 2009-09-10 2014-09-02 Cochlear Limited Using a genetic algorithm employing dynamic mutation
CN103108670B (en) 2010-05-27 2016-10-12 Ndi医疗公司 For treating the waveform shape optimized for energy efficiency of nerve problems
WO2012075198A2 (en) * 2010-11-30 2012-06-07 Nevro Corporation Extended pain relief via high frequency spinal cord modulation, and associated systems and methods
AU2012204526B2 (en) 2011-01-03 2016-05-19 California Institute Of Technology High density epidural stimulation for facilitation of locomotion, posture, voluntary movement, and recovery of autonomic, sexual, vasomotor, and cognitive function after neurological injury
WO2012129574A2 (en) * 2011-03-24 2012-09-27 California Institute Of Technology Neurostimulator
US8571667B2 (en) * 2011-07-01 2013-10-29 Greatbatch Ltd. Active current control using the enclosure of an implanted pulse generator
CN102521456A (en) 2011-12-15 2012-06-27 河海大学常州校区 Optimal design method of arched girder based on neural network and genetic algorithm
US10201709B2 (en) 2014-01-17 2019-02-12 Cardiac Pacemakers, Inc. Depletion block to block nerve communication

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080046036A1 (en) * 2006-06-30 2008-02-21 Medtronic, Inc. Selecting electrode combinations for stimulation therapy
JP2012504458A (en) * 2008-10-03 2012-02-23 デューク ユニバーシティ Unscheduled electrical stimulation patterns for treating neurological disorders

Also Published As

Publication number Publication date
EP2968944A1 (en) 2016-01-20
US20160022993A1 (en) 2016-01-28
JP2016515026A (en) 2016-05-26
JP2019162508A (en) 2019-09-26
AU2022206452B2 (en) 2023-11-16
CA2905102A1 (en) 2014-10-02
EP2968944A4 (en) 2016-11-30
EP2968944B1 (en) 2021-09-01
AU2014244318A1 (en) 2015-10-01
EP2968945A4 (en) 2016-11-30
AU2022206452A1 (en) 2022-08-11
AU2014244386B2 (en) 2018-05-24
US10232179B2 (en) 2019-03-19
JP7038080B2 (en) 2022-03-17
EP2968945B1 (en) 2022-02-23
CA2905102C (en) 2023-07-25
AU2014244386A1 (en) 2015-10-01
AU2020205274A1 (en) 2020-08-06
US11357983B2 (en) 2022-06-14
CA2905004C (en) 2023-06-27
AU2018217227A1 (en) 2018-08-30
CA2905004A1 (en) 2014-10-02
WO2014159880A1 (en) 2014-10-02
US20160038740A1 (en) 2016-02-11
WO2014159896A1 (en) 2014-10-02
EP2968945A1 (en) 2016-01-20

Similar Documents

Publication Publication Date Title
JP7038080B2 (en) Systems and methods for spinal cord stimulation based on the time pattern of electrical stimulation
Shanechi Brain–machine interfaces from motor to mood
CN107223065B (en) Systems and methods for spinal cord stimulation
CN107921262B (en) Machine learning for optimizing spinal cord stimulation
US20170080234A1 (en) Automated program optimization
US10702696B2 (en) Systems and methods for spinal cord stimulation
US11298546B2 (en) Systems and methods for minimizing response variability of spinal cord stimulation
CN116549845A (en) Stimulator, electronic device, and computer-readable storage medium
US20150246232A1 (en) Stimulus generator, a neuroprosthetic apparatus and a stimulation method
CN109069832B (en) Brain tissue stimulation method, device and computer program
US20210060345A1 (en) Optimizing deep brain stimulation (dbs) pulsing based on synaptic suppression
Huai et al. Development and Application of the Neuro-stimulation Device

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170308

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20170308

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180109

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180406

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180515

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20180813

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20181012

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20181015

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20190326